一种基于CT扫描处理数字岩心图像的方法与流程

技术特征：
1.一种基于ct扫描处理数字岩心图像的方法，其特征在于，包括以下步骤：s1、通过岩心ct扫描仪对岩心标样扫描，获得岩心标样ct图像；s2、对岩心标样ct图像进行灰度处理，获得岩心标样灰度图像；s3、获取岩心标样灰度图像中每个像素点的灰度值；s4、对像素点所对应的矿物或岩石骨架成分进行神经网络模型训练，并通过灰度值的变化趋势来提取特征量，所述灰度值变化趋势是将同属矿物或岩石骨架成分对应的灰度值进行聚类分析，建立基于特征量的判别函数；采用距离分段线性判别函数，将聚类样本进行划分，即按照均值连线的中点的垂直线对样本集进行分类，定义判别函数为；判别规则为；g
j
(x)＝min g
i
(x)，i＝1，2，...，m其中，m
il
为第i类第j个子区域中样本的均值向量；x为未知样本；m为判别函数g
i
(x)个数；s5、取待测岩心试样，对待测岩心试样进行步骤s1至s3；s6、通过神经网络模型识别待测岩心试样中的灰度值变化，与步骤s4中判别函数结合进行类别划分，将当前灰度值与像素点和矿物成分对比，并通过特征量获得三维空间的矿物或岩石骨架成分分布。2.根据权利要求1所述的基于ct扫描处理数字岩心图像的方法，其特征在于：在步骤s2中通过反投影将岩心标样ct图像转化为岩心标样灰度图像。3.根据权利要求1所述的基于ct扫描处理数字岩心图像的方法，其特征在于：在步骤s3中，在获取每个像素点的灰度值前通过去躁处理去除岩心标样灰度图像中的噪点。4.根据权利要求3所述的基于ct扫描处理数字岩心图像的方法，其特征在于：所述去躁处理的方法为对岩心标样灰度图像进行滤波处理。5.根据权利要求3所述的基于ct扫描处理数字岩心图像的方法，其特征在于：步骤s4中进行神经网络模型训练的岩心标样为若干不同岩心标样的像素点。6.根据权利要求5所述的基于ct扫描处理数字岩心图像的方法，其特征在于：步骤s4中进行神经网络模型训练的若干岩心标样为在不同地理位置处获取的不同岩层和同一岩层不同位置的岩心标样。7.根据权利要求1所述的基于ct扫描处理数字岩心图像的方法，其特征在于，步骤s4中进行神经网络模型训练的过程为：s41.将所述灰度图像构建成在三维空间的映射图像，将所述映射图像中的像素点的灰度值与该像素点所对应的矿物或岩石骨架成分进行匹配，识别并标记像素点所对应的矿物或岩石骨架成分；s42.通过映射图像中每个像素点所对应的灰度值的变化趋势来提取像素点的特征量。8.根据权利要求1所述的基于ct扫描处理数字岩心图像的方法，其特征在于：步骤s6中通过对待测岩心试样所对应的像素点的灰度值和特征量与神经网络模型训练出的像素点进行对比，获得待测岩心试样所对应的矿物或岩石骨架成分分布。
9.根据权利要求1所述的基于ct扫描处理数字岩心图像的方法，其特征在于：若步骤s6中无法通过神经网络模型识别出待测岩心试样中的矿物或岩石骨架成分，则进行滚动学习，将该新的像素点动态更新至神经网络模型中，并标记相应的矿物或岩石骨架成分。

技术总结
本发明公开了一种基于CT扫描处理数字岩心图像的方法。包括：S1获得岩心标样CT图像；S2获得岩心标样灰度图像；S3获取岩心标样灰度图像中每个像素点的灰度值；S4、对像素点所对应的矿物或岩石骨架成分进行神经网络模型训练；S5取待测岩心试样，对待测岩心试样进行步骤S1至S3；S6、通过神经网络模型识别待测岩心试样中的灰度值变化，并通过特征量获得三维空间的矿物或岩石骨架成分分布。本发明的有益效果是：通过灰度值的变化趋势来提取特征量，从而确定对待测岩心试样中矿物或岩石骨架成分分布的判断能力。布的判断能力。布的判断能力。


技术研发人员：龚胜利 陈科 马良帅 万欢 史长林 张铜耀 齐玉民 张旭东 何伟 税蕾蕾 唐磊 何玉梅 赵伟 黄向胜
受保护的技术使用者：中海油能源发展股份有限公司
技术研发日：2022.08.31
技术公布日：2023/1/13